هوش مصنوعی به سؤالات اقلیمی ناسا پاسخ می‌دهد

به گزارش خبرنگار خبرگزاری علم و فناوری آنا، شرکت سازنده کامپیوتر (IBM) در حال حاضر با آژانس فضایی آمریکا ناسا همکاری می‌کند تا یک مدل مکانی مبتنی بر هوش مصنوعی برای مشاهدات زمینی مانند ردیابی جنگل زدایی، پیش بینی بازده محصولات و نظارت بر گاز‌های گلخانه‌ای ارائه دهد. این یک مدل متن باز است که در اپ استور در دسترس خواهد بود.

 آی‌بی‌ام و یک شرکت چندملیتی کامپیوتر و فناوری اطلاعات و ناسا از این موضوع استقبال کرده‌اند و فعالانه به چالش‌های کلیدی زیست محیطی می‌پردازند.

جف بودیر، رئیس بخش تولید و رشد هوش مصنوعی در مصاحبه‌ای مطبوعاتی گفت: هوش مصنوعی همچنان یک حوزه علمی است و علم تنها، از طریق اشتراک‌گذاری اطلاعات و همکاری می‌تواند پیشرفت کند.

بهبود ۱۵ درصدی نسبت به مدل‌های قبلی

مدل مورد بحث با استفاده از ماهواره بزرگ مقیاس ناسا و داده‌های سنجش از دور ساخته شده است. سریرام راگاوان، معاون بخش هوش مصنوعی تحقیقاتی آی بی ام می‌گوید: نقش اساسی فناوری‌های متن باز برای تسریع حوزه‌های حیاتی کشف مانند تغییرات اقلیمی هرگز روشن‌تر نشده است.

راگاوان افزود: با ترکیب تلاش‌های مدل بنیاد آی‌بی‌ام با هدف ایجاد سیستم‌های هوش مصنوعی انعطاف‌پذیر و قابل استفاده مجدد با مخزن داده‌های زمین، ماهواره ناسا و در دسترس قرار دادن آن بر روی پلتفرم هوش مصنوعی متن باز، هاوکینگ فیس، ما می‌توانیم از قدرت همکاری برای اجرای راه حل‌های سریع‌تر و تاثیرگذارتر که سیاره ما را بهبود خواهد بخشید، استفاده کنیم.
 
واتسونکس ا‌ی‌آی که ماه گذشته منتشر شد استودیویی برای سازندگان هوش مصنوعی است که آن‌ها را قادر به آموزش، استقرار، اعتبارسنجی و تنظیم مدل‌های یادگیری ماشین و هوش مصنوعی مولد می‌کند.

مدل‌های زبانی بزرگ برای مبارزه با تغییرات آب و هوایی

این مدل که به طور مشترک توسط آی‌بی‌ام و ناسا بر روی داده‌های ماهواره‌ای در طول یک سال آموزش دیده است نسبت به مدل‌های فعلی که از نیمی از داده‌های برچسب‌گذاری‌شده استفاده می‌کنند، ۱۵ درصد بهبود نشان داده است.

طبق گزارش‌ها این بهبود می‌تواند تحلیل مکانی را سه تا چهار برابر سرعت بخشد و به کاهش میزان پاک‌سازی و برچسب‌گذاری داده‌های مورد نیاز در آموزش یک مدل یادگیری عمیق سنتی کمک کند.

کوین مورفی، مدیر ارشد داده‌های علمی در ناسا گفت: ما معتقدیم که مدل‌های بنیادی این پتانسیل را دارند که نحوه تحلیل داده‌های مشاهده‌ای را تغییر دهند و به ما کمک کنند تا سیاره خود را بهتر درک کنیم.